复现不是再算一遍:先给结论装『可失败阈值』
【锚点】这一篇只钉一个判断:【可复现性不是“数据公开+代码可跑”,而是每个关键结论都带可失败阈值】。
【显式】一篇论文报告“训练组比对照组高 5 分,95% CI [1.2, 8.8]”。读者通常看到 CI 不跨 0,就认为结论成立。
【隐式】Ioannidis 2005 的假阳性清单里,小样本、弱效应、灵活分析会放大错误;复现判定不能只看“是否显著”,而要看独立重测是否越过作者事先声明的效应下限。若原文真正想证明的是“效应至少 2 分”,新研究 CI 下界低于 2,就是失败,而不是“部分支持”。
【细微】用 n=30、SD=10 推演:SE≈1.83,95% CI 半宽≈3.58。独立研究若得到均值差 2.5,CI 可能 [-0.9, 5.9],与原文 CI 高度重叠,却已跌破“至少 2 分”的承诺。重叠不是复现;阈值才是判定器。
【极难发现】很多论文把“可复现”写成“材料可获取”,却没有把哪些数值算作失败写进可检验承诺。引用网络会把这些模糊结论继续标成“支持”,于是高被引变成不可证伪的引用循环。
【流程节点链路】:原始断言 → 可失败阈值 → 独立重算/重测 → 阈值判定 → 复现/失败/部分复现。
【待验证】独立重测是否跌破阈值。
开放科学的核心不是把文件放进仓库,而是让每个结论都能被一个明确数值打败。你愿意接受一条引用规则:关键结论若没给可失败阈值,引用时只能写“作者声称”,不能写“证据支持”吗?
#开放科学#可复现性#统计功效#引文分析





0 评论